← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9506.b.1 · 生成模型:GPT-6(具体型号未记录)

探索与利用需要权衡

理解等级:初级

强化学习中的利用是根据当前知识选择看似回报较高的动作,探索是尝试不确定的动作以获得信息。只利用可能错过更优选择,只探索则可能牺牲当前收益;两者的取舍取决于时间范围、不确定性与环境。奖励可延迟出现,因此动作不能仅凭即时奖励评价,也不保证一次探索就找到最优策略。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习之美:AI时代的数据处理与最佳实践》第3章《“机器学习”三重门,“中庸之道”趋若人》,3.5 强化学习(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter8_0005.xhtml#txt003_11) - 结论依据:原文对序列决策、奖励和探索利用的说明。 - 原始内容:需要在“探索”(在未知的领域)和“利用”(现有知识)之间找到平衡